如何利用Python中的pyecharts制作—不同的散点图

一晌小贪欢

于 2024-07-28 07:45:00 发布

阅读量969

点赞数 16

分类专栏：可视化文章标签： python 信息可视化开发语言数据分析 python办公 python学习

本文链接：https://blog.csdn.net/weixin_42636075/article/details/140737829

版权

可视化专栏收录该内容

9 篇文章 2 订阅

订阅专栏

专栏导读

🌸 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手

🏳️‍🌈 博客主页：请点击——> 一晌小贪欢的博客主页求关注

👍 该系列文章专栏：请点击——>Python办公自动化专栏求订阅

🕷 此外还有爬虫专栏：请点击——>Python爬虫基础专栏求订阅

📕 此外还有python基础专栏：请点击——>Python基础学习专栏求订阅

文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏

❤️ 欢迎各位佬关注！ ❤️

库的介绍

Pyecharts介绍

Pyecharts是一个基于Echarts的Python可视化库，可以用Python语言轻松地生成各种交互式图表和地图。它支持多种图表类型，包括折线图、柱状图、散点图、饼图、地图等，并且可以通过简单的API调用实现数据可视化。

Pyecharts的优点包括：

1. 简单易用：Pyecharts提供了简单易用的API，可以轻松地生成各种图表和地图。
2. 丰富的图表类型：Pyecharts支持多种图表类型，包括折线图、柱状图、散点图、饼图、地图等。
3. 交互式可视化：Pyecharts生成的图表可以进行交互式操作，包括缩放、拖拽、数据筛选等。
4. 支持多种数据格式：Pyecharts支持多种数据格式，包括CSV、JSON、Excel等。
5. 可扩展性强：Pyecharts可以与其他Python库和框架集成，如Pandas、Flask、Django等。

总之，Pyecharts是一个功能强大、易于使用的Python可视化库，可以帮助开发者快速生成各种交互式图表和地图。可以帮助开发者快速生成各种交互式图表和地图

库的安装

pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple/

1、普通散点图

import pyecharts.options as opts
from pyecharts.charts import Scatter

"""
Gallery 使用 pyecharts 1.1.0
参考地址: https://echarts.apache.org/examples/editor.html?c=scatter-simple
目前无法实现的功能:
1、暂无
"""

data = [
    [10.0, 8.04],
    [8.0, 6.95],
    [13.0, 7.58],
    [9.0, 8.81],
    [11.0, 8.33],
    [14.0, 9.96],
    [6.0, 7.24],
    [4.0, 4.26],
    [12.0, 10.84],
    [7.0, 4.82],
    [5.0, 5.68],
]
data.sort(key=lambda x: x[0])
x_data = [d[0] for d in data]
y_data = [d[1] for d in data]

(
    Scatter()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="",
        y_axis=y_data,
        symbol_size=20,
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_series_opts()
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(
            type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)
        ),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        tooltip_opts=opts.TooltipOpts(is_show=False),
    )
    .render("basic_scatter_chart.html")
)

在这里插入图片描述

2、多维散点图

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode
from pyecharts.faker import Faker

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis(
        "商家A",
        [list(z) for z in zip(Faker.values(), Faker.choose())],
        label_opts=opts.LabelOpts(
            formatter=JsCode(
                "function(params){return params.value[1] +' : '+ params.value[2];}"
            )
        ),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter-多维度数据"),
        tooltip_opts=opts.TooltipOpts(
            formatter=JsCode(
                "function (params) {return params.name + ' : ' + params.value[2];}"
            )
        ),
        visualmap_opts=opts.VisualMapOpts(
            type_="color", max_=150, min_=20, dimension=1
        ),
    )
    .render("scatter_multi_dimension.html")
)

在这里插入图片描述

3、散点图

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.faker import Faker

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter-VisualMap(Size)"),
        visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
    )
    .render("scatter_visualmap_size.html")
)